本文转载自“数据挖掘与大数据分析”（datakong），演讲者为奥美公关数据分析总监王泽蕴。

大家好，我是奥美公关数据分析总监王泽蕴。我的本职是数据分析师，数据分析师的使命有两个：

第一是帮助品牌做出决策判断，也就是精准地定位决策；

第二是提高效率，对于品牌来说钱永远是有限的，怎样才能更高效？这是我们努力的方向。

今天咱们聊人群画像，谈三件事：

为什么要做人群画像？

为什么有的人明明花了钱、花了精力，做出来的人群画像却用处不大？

做画像的正确方式应该是怎样的？

一、为什么要做用户画像？

在感情中，为什么男女朋友之间明明相爱，但是还会有矛盾，是因为“我并不真正知道你到底是怎么想的，需要什么？”

在营销领域也是同理，经常甲方认为好的产品卖点，消费者根本不买账，甲方视角和消费者视角其实是两个视角。我们如果不能知道消费者视角的话，效率就会低。

举个例子，一个在 B 端做得很成熟的空气净化器品牌想迅速在 C 端市场打响知名度。目前他们已经生产出了针对普通消费者的空气净化器。我问品牌方，这个产品上市之后竞争对手应该是谁？品牌方负责人回答说：我们没有竞争对手。

他为什么会这样说？

因为他们的主推产品是一款专门除甲醛的净化器。他认为，除甲醛这件事情国内没有什么品牌做得比它好，甚至，国内都没有什么品牌在做这样的产品。大家生产的净化器都不是主要除甲醛的，是除 PM 2.5 的，他就觉得这是一个蓝海，国内没有什么人做，自家品牌的技术又这么好，理所当然是没有竞品的。

我问了他一个问题：国内用户真正遇到需要除甲醛问题的时候（买新房或者买新车时），他们是用什么手段解决的？

答案是用绿萝，开窗，或者用茶叶沫、咖啡沫。

因此，深思这个问题他不但不应该开心，反而应该伤心，因为假设这个市场是非常成熟的，大家如果已经知道除甲醛用这些简易的方法没有用，就应该花几千块钱买净化器。

品牌如果要胜出，只需要告诉消费者“我的东西物美价廉或者我的效果更好”，大家就会更愿意买。但是现在市场不成熟，需要去说服消费者：不要再花三十块钱买一个绿萝了，应该花三千块钱买我的净化器，这个的教育成本要难得多。

通过这个例子跟大家分享一下竞品的含义：

竞品其实并不只是竞争对手、同行，而是我跟谁争抢用户，谁就是我的竞品，它甚至不一定跟我是同一个品类的。比如绿萝，所以站在用户的视角在看待这个问题，就会发现答案跟甲方想的完全不一样。

一个品牌的产品或者是一个营销行为虽然是具体的，但是不同的视角看待同样的东西得出来的答案可完全不一样。说得极端一点，品牌认为“我给你的是好的东西”，但是消费者根本看不到，这就是品牌视角和消费者视角的区别，这也是为什么我们一定要去看消费者视角的原因。

刚才那个案例，品牌方说：“这个产品其中一个核心卖点是我们的净化器长得特别好看，我们找了最优秀的设计师来设计外观，而且还得奖了，你们在推广的时候一定要大力推。”

我们拿到这个需求之后回来做了一个抽样调研，大概抽 1500 份的样本，准备了 20 多个问题来问那些在一个月之内刚刚买过净化器或者在即将到来的一个月即将买净化器的人，了解他们的购买抉择。

中间有一道题问“你在做净化器的购买决策时，以下选项你认为最重要的三项是什么？”

结论是外形美观这件事的排序是倒数第三，也就是说，甲方觉得非常重要，但是消费者并不这样认为。

刚才用了几个例子跟大家说什么叫甲方视角，什么叫消费者视角，还有一个视角叫做乙方视角，像我们奥美就是乙方视角，服务甲方的数据公司也是乙方视角。

经常有人会抱怨，“你们天天说大数据很棒很厉害，但数据真的是不是那么厉害？是不是数据说的都对？”不是的，因为数据是死的，用数据的人才是关键。同样的数据，不同的分析师可能分析出来的结果完全不一样。

这个案例是一个国外的做汽车燃油添加剂的品牌，它要进军中国市场。国内市场也已经有很多燃油添加剂的品牌了，于是他希望知道进入中国市场后到底应该怎么做？应该主要抓取哪群人？

因此，它就购买了第三方数据公司的数据，看线上一段时间之内网上聊燃油添加剂这个话题的声量大小。纵轴是网络声量的大小，横轴是谈论燃油添加剂的这些车主平均开了多少公里。

很明显的，九千到一万公里的时候有一个明显的高点。大家就很开心，说：这不就是新车第一年大保时候的公里数吗？所以我们应该针对第一年大保的新车车主猛推燃油添加剂，因为他们的诉求很强烈。

听起来逻辑没有什么问题，但有个问题：那些已经形成使用燃油添加剂习惯的老司机，他可能习惯性经常购买，但是他还会不会在网上讨论这个话题？

所以这个图不能代表真实市场的情况，这个图反应的数据是“幸存者数据”，它只记录讨论的人的情况，但是还有很多人没有参与讨论，他已经很清楚燃油添加剂怎么回事，不需要讨论，直接买就行了。

这些人是不是核心用户呢？当然是，但是这个数据里面没有。

所以如果我们要研究这个问题，一定需要再加入另外一组数据，就是销售数据，但是这里面没有销售数据。

所以有的时候作为乙方的人，我们已经看到手里有很多数据了，也能够得出来一个因果关系，但是这个答案不对，我们需要想得更加全面一点，尤其是站在消费者的视角想一想还有没有重要的前提条件没有被考虑到。

这个是心理学上很著名的一组图叫“青蛙与河马”，同样的一个图只要转换视角90度，你会发现一个是青蛙，一个是河马，同样的东西。

这个是我希望今天给大家分享的第一个方法，非常的简单。

如果左边这个圈是品牌想要表达的，右边这个圈是用户想要的，我们去探寻人群画像的目的是为了找到中间的那个交集。我希望找到既是你想要的，这也是我们可以双赢的一个前提。

营销环境复杂化。

这是我们很熟悉的“用户之旅”的样子，用户是一步一步从知道品牌，到产生兴趣，到开始形成购买的愿望，于是去调查研究，到购买，到分享甚至是重复购买。

但是现在，由于很多 IP 类 KOL 的存在，比如咪蒙，或者是一些流量型明星的关系，有的时候“用户之旅”是长这个样子的：

你不知道中间的那些步骤哪里去了，购买决策在瞬间完成了。

也就是说，现在的“用户之旅”更加个性化，我们不能按照以前的经验来想当然的为品牌制定用户之旅，我们需要站在用户的角度，每一次有需要的时候，都重新还原“用户之旅”。

我们要做用户画像的原因，是因为我们在做重要的商业决策、营销决策的过程中，画像是权重非常高的一件事。

我们为品牌定位商业企图心的时候，是通过五个角度来综合分析问题，这五个角度分别是：品牌、品类、竞品、目标消费者和触达渠道。

品牌，我需要先去梳理品牌自身的资产，我要知道我是谁，我有什么样的背景，我有什么的技术是别人没有的，我有什么差异化的特点，我现有的用户是什么样的。

品类，要把品牌放在整个行业的环境里，去看这个行业现在有多少人、市场容量有多少，政策对这个行业的支持怎么样，它现在的趋势发展如何，行业里面主要构成是谁。

竞品，看我的竞争对手是谁，未来跟谁争抢用户；我们有什么不同，差异在哪里；我的优势是什么。

目标消费人群，品牌面对的目标消费人群是谁？我的品牌之所以存在，成为现在的品牌，我通过历史那么多的行为聚集了现在的用户，这些用户是谁？他们是怎么来的？我怎么样更好的黏住他？还有哪些人是我应该下一步努力赢得的？

触达渠道，去哪里找到这些人。

大家发现没有，其实这五个分类里面，我每一个的背后其实都会有人群画像的身影在。

二、为什么有的画像又贵又无用？

我们发现身边有些人也会画像，可是他做的画像钱也花了，却没有什么用。这件事情是怎么发生的？

我们有的时候遇到这样的客户，问他的产品目标人群是谁？他会非常自信地跟你讲，“我的产品适合全人类。”

我们听到这样的话就会心头一凉，这意味着我们需要立刻跟他进行很长时间的沟通。

这是第一个误区，很多人认为我的目标人群越多越好。恰恰相反，为什么呢？

因为我们所有的品牌就算是 BAT，营销费用肯定是有限的，如果面对的人群是全人类的话，这点钱在现在整个信息爆炸的年代，就如同在大海里边撒了一把胡椒面，没有听到什么声响。

今天我们面对的不是过少的选择，而是过多的选择，所以对于每个用户来说，他在选择品牌的时候是不是只愿意购买功能？不是，他经常不是为了购买功能，他在购买功能的同时还要买的是情感的共鸣、身份的认同，有的时候甚至还跟价值观有关。

比如，明明用的皮子可能都是同一头牛身上的皮子，为什么爱马仕就能卖二十万，淘宝的小店就卖500块。明明是同样的皮子，为什么？大家为什么还要花这么多钱去买奢侈品，买的到底是什么？

其实买的是背后身份的认同，我要展示我是谁，我买的东西不单纯买这个功能，我还为了显示这是我的东西，所以“我”在这个事情中显得非常重要。

如果你的产品适合全人类，那么所有人都会觉得这个产品不是那么适合我的。

举个例子，假设我是一个做睡眠辅助工具的品牌，我说我的产品适合所有有睡眠问题的人。

站在真正这些有睡眠问题的人的角度想，他们可以解决这个问题的方式有很多：可以去吃安眠药，也可以按摩，还可以买一些香熏等等，对于消费者来说你只是他们的众多选择之一，不是必要的。

可是如果我的目标用户是在北京养老院生活的、80 岁以上的、喜欢听摇滚乐的老爷爷，我去说服他的时候我的话术会更加具像。我知道他们已经在人生的比较靠后的阶段，但是他们又喜欢摇滚乐，这说明他们心中还有一把年轻的火。

我要去说服他，我的产品到底应该怎么阐述让他觉得“你懂我”？其实答案很明显，我可以给到我的创意人员更加具像的方向，让老爷爷们会觉得“你特别了解我”。

当你的画像越窄的时候，你会发现你的话术更加的有针对性，他会觉得你是给我做的，而不是给所有人做。

当你的人群越窄，渠道就越窄，所以你有限的营销费用像鱼饵撒在鱼缸里，可以反复地撒。

第二个误区，很多人做画像也花了钱，但是他做得不好，为什么？

你会发现这些人其实并没有慎重思考就开始花钱了，可以说他们是为了数据而数据的。像这样的情况我们用另外一条逻辑来看，做得不好的画像基本上分成三种，第一种是不花钱的，剩下两个都是花钱的。

第一种叫拍脑门型。“我觉得画像有用，但是我不需要花钱去做，我特别了解我的产品，所以我就告诉你，我是这个品牌的 CEO，我还能不知道我的用户是谁吗？我的用户就是一线城市二十多岁的男性。”我们经常看到这样的话。

现有用户是不是等于目标用户？

很多品牌会认为足够了解自己的用户，虽然它简单粗暴的一句话就把这些人定了位，但其实我们不可能通过几个标签就能够了解这群人是什么样子。

第二种，他们在做画像的时候就花钱了，他们做的画像是人物传记型。

这是怎么做的呢？品牌从自己的用户库里，找出大概三五十个典型用户，然后约过来做一对一的访谈，每个人都详细记录下来，做出来很大的一个 PPT。

这个东西完全没有用，为什么？

说一个很基础的统计学上面的概念，如果我希望客观了解一群人，假如用抽样的方式，我随机抽样的样本数至少需要在 400 左右，就算这样也是有误差的。

这三五十人是怎么选出来的？肯定不是随机选出来的，第二它的样本绝对是不够的，而且问的这些问题他答的就是真话吗？也不一定。

所以我们花了这么钱，又花了精力，做出来的这些东西看起来厚厚的一本，其实没有什么用，我就算去分析这些人背后数据的共性，这些数据也没有什么用，因为它首先前提都不满足，它不是随机抽样，它的样本也不够多。

第三个类型更加有点欺骗性，事无巨细型。

我说这个类型的时候并不是在批评第三方的数据公司，恰恰相反，我觉得这是整个数据环境的进步。这些品牌不管具不具有大数据能力，它至少拥有真实的用户的行为数据，比如滴滴打车、新浪微博、百度，它能够记录下很多真实的行为数据，这些数据非常有用。

我们两年前跟百度合作的时候，百度就可以还原出人群 280 多个标签，是非常棒的一件事情。

很多品牌觉得这个太酷了，所以花几十万去买一个很多维度的所谓的人群画像，这个画像有的时候甚至上百页，我这边都没有写全。

这些行为数据挺棒的，但是使用者不能正确的使用这些数据。

比如我在微博上关注了谁，我说了什么样的话，我什么样的时间说什么样的话，我在百度上搜了什么，我打开网页看了什么，我滴滴打车花了多少钱，我每个月在网上购物是什么，所有的这些行为数据都可以被记录。

我们想一想这些大量的可以提供数据的公司，能够提供的是不是主要行为数据？

我当然也可以通过行为数据背后能看到一些元数据，什么叫元数据？就是定义数据的数据。

元数据它的属性是不变化或者很缓慢地变化，比如我的性别基本上不会变化，我的长驻城市不会变化，我的年龄每年只长一岁，所有这些数据构成了我是我，定义数据的数据这叫元数据。

这些数据公司能够提供的大量的行为数据和元数据，这当然很有用，但是我想说的是，同样的行为有可能背后造成的原因完全不一样。更重要的其实是背后对用户态度的揣摩，这也是一种数据思维方式，我为什么会需要这个东西？我希望解决什么问题？我在买的时候有什么阻力阻止我买？我有什么担心或不满？体现在背后的是人心的洞察，而非数据的堆砌。

了解用户行为背后的真实态度，才是能够帮助我导出营销决策最重要的事，这也是我们在做人群画像中最难也最重要的、需要还原的部分。

三、做用户画像的正确方式

最后一个部分给大家分享人群画像的3C九宫格（具体释义请往下看喔）。

先说评估标准。评估标准很重要，到底应该用什么样的标准去判断画像有没有用？

百度在两年前就可以有 280 多个维度的行为数据可以给到你，但是这 280 个维度是不是要都买？肯定不需要都买。好的画像标准是什么？

好的画像并不是只有一个固定的模型，所有的画像都长一个样子。没有这样的模型，画像是为了解决问题的，所以画像做到什么程度是好的？

能不能导出有直接因果关系的营销决策才是画像的重点，这是最重要的一件事情。画像应该是解决方案，而不是只是简单数据的罗列，这是半成品。

这个叫 3C 九宫格模型，纵坐标：元数据、行为数据和态度数据，横坐标是 3C，即品牌、品类和竞品。

当我们带着具体的商业问题来做画像的时候，应该选择哪些数据？

比如我们之前帮某一个专车 APP 做人群分析。几年前，当时滴滴和快的都没有合并，整个的专车市场刚刚开始起步，这个品牌的问题就是，“我针对这样的蓝海市场，钱又有限，我应该先去争抢滴滴打车背后的出租车用户，还是其它专车品牌背后的用户？”

大家第一反应是我应该去争抢出租车用户，因为出租车用户人多，整个专车市场的盘子还非常小。

但是我们做了数据分析之后发现，这个品牌当时在专车市场的市场占比也非常低，不到 10%，而专车其实跟出租车相比最厉害的地方是服务好，当时这个品牌的服务质量确实是非常的不错，而且用过的人会对这种好的服务有更加具体的描述，我能说的出来好是什么。

所以，当营销费用有限的时候，这个品牌其实不应该去抢滴滴的用户，因为教育一个没使用过专车服务的人多装一个 APP 并且花更多的钱打车是相对比较难的。但是教育一个已经用过其它专车服务的人换一个专车 APP 要相对容易得多。而且本身在专车市场，这个品牌的份额也有很大努力的空间。因此目标用户应该是其他专车软件品牌背后的用户。

所以，使用这个工具的时候，我们首先要先看现有品牌现有用户的数据。现有用户元数据、行为数据和态度数据，这些数据也有很多，这些数据也有很多我怎么挑？

我是按照我的商业目标或者最需要解决的商业问题，这样的方向来挑的，为了解决这个商业目标我应该去找哪些数据？

第二步我要看品类人群的数据，寻找机会点。

举个例子，比如我们想一下凉茶当时进军北方市场的情况。，凉茶在北方没有什么人喝，都是南方人喝。当时王老吉凉茶在进军北方市场的时候，你会发现它的品牌的北方市场没有现有人群，竞品也没有，为什么？

因为它不知道它应该跟谁竞争，到底应该说服这些人去放下他们手中的碳酸饮料喝凉茶，还是放下啤酒喝凉茶？王老吉是不知道的，用户也不知道，因为北方用户当时都没有喝到王老吉的凉茶呢。

那么研究这个问题的时，我需要找的是第二类品类数据，也就是说我要知道在北方市场大家喝饮料的习惯是什么？大家会在什么样的应用场景喝？主流的饮料是哪些？他们在喝这些饮料的时候内心满不满意？

他们觉得有什么不满的地方？从中找到我的机会点，找到我的竞品是谁。所以第二是品类背后的原数据、行为数据和态度数据。

最后一个部分就是竞品。

我要跟谁争抢用户？我的竞品用户的人群，他们的行为共性是什么？他们有什么不满的？他们有什么特别满意的？跟我相比我能不能去解决他们哪些不满意的点？

这是人群画像 3C 九宫格，别看这个模型很简单，但是把它用好是非常难的。

这个背后需要的数据，既需要我们用到一些平台或机构提供的用户数据，也需要我们传统的调研的方式，定量定性调研等等的方式来去还原背后的态度数据。

以上是我今天跟大家分享的人群画像的话题，画像很重要，但是更重要的是背后的数据化思维方式。

最后想分享一个观点：我们认为，在目前这个时代，数据化思维是每一个营销人都应该具备的素质。

谢谢大家。

更多数据分析干货和案例，可以关注“神策数据”公众号了解~